CN107622501B - 一种医学图像的边界检测的方法 - Google Patents
一种医学图像的边界检测的方法 Download PDFInfo
- Publication number
- CN107622501B CN107622501B CN201710934912.XA CN201710934912A CN107622501B CN 107622501 B CN107622501 B CN 107622501B CN 201710934912 A CN201710934912 A CN 201710934912A CN 107622501 B CN107622501 B CN 107622501B
- Authority
- CN
- China
- Prior art keywords
- line segment
- image
- boundary
- length
- area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
本发明实施例公开了一种医学图像边界检测的方法。该方法包括:采用第一自适应化阈值和第二自适应化阈值分别对预设区域进行二值化,生成第一二值化图像和第二二值化图像;获取第一二值化图像中的最长线段为第一线段,判断所述第一线段的长度是否大于长度阈值;若第一线段的长度大于长度阈值,则获取第二二值化图像的标定区域中的最长线段为第二线段,将所述第二线段定位为修正图像边界,所述标定区域由原始图像边界和所述第一线段构成。本发明实施例提高了数据处理速度,提高了图像边界定位的准确性。
Description
技术领域
本发明实施例涉及图像处理技术,尤其涉及一种医学图像的边界检测的方法。
背景技术
在X射线医疗影像产品中,进行大尺寸、大视野范围的影像拍片已成为一种广泛的应用,譬如骨骼校正、脊柱影像。但受限于目前X射线摄影设备在物理特性上的限制,如平板的面积限制、SID距离,导致获取较长范围的X射线一定的难度,且获取的图像质量差。通常采用的方法为,将大范围的摄影部位,分割为能满足单张拍片时平板能满足的尺寸需求进行序列拍片,图像工作站对产生的序列图像进行融合、拼接、处理,产生出设定范围的部位摄影图像。
在拍摄每幅拼接图像时,由于躯干或下肢都要成像,不同图像对应的人体宽度不同,所以左右两侧基本不开限束器,这样可以加快工作流。对于上下两侧则需要开限束器。所以在对序列图像进行拼接等图像处理前,需要进行上下两侧的限束器检测,提取出每幅图像的感兴趣区域。
现有的限束器边界检测采用边缘检测、直线检测等对限束器边界进行检测,如果采用边缘检测,对于某些解剖位置拍摄的图像,存在某个限束器边缘内侧与外侧图像之间灰度对比不明显的情况,会导致检测后的边界出现不连贯的情况;或者采用直线检测时,由于图像中人体的锁骨等线性较强的组织特征的影响,会导致自动检测出的直线不是实际的限束器边缘。上述两种方法都存在准确率较低的问题。
发明内容
本发明实施例提供一种医学图像的边界检测的方法,以解决当前限束器边界检测采用边缘检测、直线检测的准确率低的问题。
本发明实施例提供了一种医学图像的边界检测的方法,该方法包括:
采用第一自适应化阈值和第二自适应化阈值分别对预设区域进行二值化,生成第一二值化图像和第二二值化图像;
获取第一二值化图像中的最长线段,将所述最长线段作为第一线段,判断所述第一线段的长度是否大于长度阈值;
若第一线段的长度大于长度阈值,则获取第二二值化图像的标定区域中的最长线段为第二线段,将所述第二线段定位为修正图像边界,所述标定区域由原始图像边界和所述第一线段构成,其中所述第一自适应化阈值小于第二自适应化阈值。
进一步的,在采用第一自适应化阈值和第二自适应化阈值分别对预设区域进行二值化之前,还包括:
获取图像中的直接曝光区域的上边界和下边界,图像的原始上边界与直接曝光区域的上边界构成第一区域,图像的原始下边界与直接曝光区域的下边界构成第二区域;
将所述第一区域和所述第二区域作为预设区域。
其中,所述修正图像边界为限束器边界。进一步的,在所述采用第一自适应化阈值和第二自适应化阈值分别对预设区域进行二值化之前,该方法还包括:
计算预设区域的梯度,得到梯度图像;
根据所述梯度图像生成第一自适应化阈值和第二自适应化阈值。
进一步的,所述获取第一二值化图像中的最长线段,将所述最长线段作为第一线段包括:
对所述第一二值化图像进行霍夫变换,得到最长线段为第一线段;
所述获取第二二值化图像的标定区域中的最长线段为第二线段包括:
对所述第二二值化图像的标定区域进行霍夫变换,得到最长线段为第二线段。
进一步的,在判断所述第一线段的长度是否大于长度阈值之后,所述方法还包括:
若第一线段的长度小于或等于长度阈值,则将所述第一线段所在区域的原始图像边界定位为修正图像边界。
进一步的,所述第一自适应化阈值为每个像素点的周围像素点的像素平均灰度值与第一自适应化参数的乘积,第一自适应化参数大小范围为:[0.7,0.8];
所述第二自适应化阈值为每个像素点的周围像素点的像素平均灰度值与第二自适应化参数的乘积,所述第二自适应化参数大小范围为:[1.1,1.2]。
进一步的,在获取图像中的直接曝光区域的上边界和下边界之前,还包括:
根据线性插值法,将图像按预设比例进行缩小;
相应的,在将第二线段定位为修正图像边界之后,还包括:
将所述修正图像边界根据所述预设比例进行转换。
进一步的,当所述第一线段的长度大于长度阈值时,该方法还包括:
剔除长度小于长度阈值的线段。
进一步的,在所述剔除所述长度小于长度阈值的线段之前,还包括:
将所述第一二值化图像中的小于预设灰度阈值的像素点进行保留;
相应的,在所述剔除所述第一二值化图像中的长度小于长度阈值之后,获取第一二值化图像中的最长线段之前,还包括:
将保留的像素点复合到剔除杂线后的图像中。
本发明实施例通过获取根据第一自适应化阈值二值化后的第一二值化图像中的最长线段为第一线段,将修正图像边界所处的范围定位在原始图像边界与第一线段构成的标定区域中,缩小了修正图像边界所处的范围,根据第二自适应化阈值二值化后的第二二值化图像的标定区域中获取最长线段作为修正图像边界,提高了图像边界定位的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图做一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的一种医学图像的边界检测的方法的流程示意图;
图2是本发明实施例一提供的一种医学图像的边界检测的初始范围示意图;
图3是本发明实施例一提供的一种医学图像的边界检测的范围示意图;
图4是本发明实施例二提供的一种医学图像的边界检测的方法的流程示意图;
图5是本发明实施例三提供的一种医学图像的边界检测的方法的流程示意图;
图6是本发明实施例四提供的一种设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,以下将参照本发明实施例中的附图,通过实施方式清楚、完整地描述本发明的技术方案,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
图1是本发明实施例一提供的一种医学图像的边界检测的方法的流程示意图。本实施例的技术方案可以适用于检测医学图像边界的情况。该方法具体包括如下操作:
S110、采用第一自适应化阈值和第二自适应化阈值分别对预设区域进行二值化,生成第一二值化图像和第二二值化图像。
在采用第一自适应化阈值和第二自适应化阈值分别对预设区域进行二值化之前,还包括:获取图像中的直接曝光区域的上边界和下边界,图像的上边界与直接曝光区域的上边界构成第一区域,图像的下边界与直接曝光区域的下边界构成第二区域;将所述第一区域和所述第二区域作为预设区域。
限束器覆盖的区域不是图像的直接曝光区域,因此提取图像的直接曝光区域模板,直接曝光区域为1,非直接曝光区域为0,确定直接曝光区域的上边界20和下边界30分别为Eup,Edown。图像的上边界10设为1,下边界40设为ImageHeight。图2为医学图像边界检测的初始范围。如图2所示,确定提取限束器上边界的初始范围为图像的上边界10与直接曝光区域的上边界20构成的第一区域[1,Eup],提取限束器下边界的初始范围为图像的下边界40与直接曝光区域的下边界30构成的第二区域[Edown,ImageHeight]。
在本实施例的另一优选实施方式中,在获取图像中的直接曝光区域的上边界和下边界之前,还包括:
根据线性插值法,将图像按预设比例进行缩小;
相应的,在将第二线段定位为限束器边界之后,还包括:
将所述限束器边界根据所述预设比例进行转换。
示例性的,可以将图像线性插值缩小十倍,后续步骤均在缩小之后的图像上进行,以此减少了数据量,提高了数据的处理速度,进而提高限束器边界的检测速度。检测得到的限束器边界需要进行扩大十倍的处理。具体的,可以是将限束器边界的坐标扩大十倍。在线性插值之前,还可以对图像进行去噪处理,例如可以采用中值滤波的方式,具体的,可以采用3*3中值滤波器、5*5中值滤波器或7*7中值滤波器,在此不做限定。根据限束器的边界对原始图像进行裁剪,提取出感兴趣区域,对图像进行拼接和融合等操作。其中,自适应二值化的思想是根据每个像素点的周围的像素点计算每个像素点的二值化阈值,每个像素点的灰度值大于自身的二值化阈值则设为1,小于自身的二值化阈值则设为0。
S120、获取第一二值化图像中的最长线段,将所述最长线段作为第一线段,判断所述第一线段的长度是否大于长度阈值。
检测图像中的线段特征的方法例如可以是霍夫变换、Beamlet变换或链码扫描等方法。其中,霍夫变换是一种常用线段检测方法,对噪声不敏感,且可以对各种参数曲线甚至是任意形状的曲线进行检测。基本思想是点线的对偶性,即图像空间共线的点对应在参数空间里相交的线。霍夫变换中可以采用点-正弦曲线对偶变换:ρ=xcosθ+ysinθ,其中,(x,y)为直角坐标系中的点,(ρ,θ)为经过霍夫变换后的极坐标系中的点。由此可见,直角坐标系中直线上的点经过霍夫变换后在极坐标系中有一个公共交点。通过将图像空间中的每一个点映射到霍夫空间中的一组累加器,当图像中包含线段时,对应的累加器会出现局部最大值,通过检测霍夫空间中的局部最大值,即可确定与该条线段对应的一对参数,实现线段的检测。Beamlet变换是一种多尺度几何分析方法,以线为基本单元变换,其中有不同方向和长度的线段库。链码扫描方法的主要思想是:一段线段在链码上表现为在一定范围内只出现一个方向,或有两个方向交替出现。因而,链码扫描是记录每次链码方向出现的持续长度即可以检测到线段。
在本实施例中,优选采用霍夫变换的方式检测线段。因为本实施例限束器边界只检测上下边界,即限束器边界是水平方向的,因而寻找霍夫变换的水平方向2°内的最大值作为最长线段可以保证检测到的线段是水平方向的。
其中,长度阈值例如可以是图像宽度的65%,但是这个值是根据图像测试得出的,在更换平板之后,图像的特征会有所变化,该长度阈值也会改变。
S130、若第一线段的长度大于长度阈值,则获取第二二值化图像的标定区域中的最长线段为第二线段,将所述第二线段定位为修正图像边界,所述标定区域由原始图像边界和所述第一线段构成,其中所述第一自适应化阈值小于第二自适应化阈值。
其中,修正图像边界为限束器边界。
根据霍夫变换获取第二二值化图像中的最长线段,具体的,寻找霍夫变换的水平方向2°内的最大值作为最长线段。图3为医学图像边界检测的范围。如图3所示,设第一区域的最长线段50为L1,第二区域的最长线段60为L2,则当L1和L2均大于长度阈值时,进一步将限束器边界的检测范围定位为[1,L1]和[L2,ImageHeight],实际中也可以只检测限束器边界的上边界或下边界,也可以上边界和下边界都检测,在此不做限定。
若第一线段的长度小于或等于长度阈值,则将所述第一线段所在区域的原始图像边界定位为限束器边界。原始图像边界包含图像的上边界和下边界。例如,第一线段所在区域为第一区域,则将图像的上边界定位为限束器边界,第一线段所在区域为第二区域,则将图像的下边界定位为限束器的下边界。
限束器边界是一个小的灰度过渡带。用第二二值化图像的标定区域的线段检测结果进一步校正根据第一二值化图像得到的线段,将限束器边界定位到低灰度的一侧,防止限束器散射边过宽时裁到的是灰度较高的一侧,从而导致图像拼接时重叠区域过小的情况。
本实施例通过获取根据第一自适应化阈值二值化后的第一二值化图像中的最长线段为第一线段,将修正图像边界所处的范围定位在原始图像边界与第一线段构成的标定区域中,缩小了修正图像边界所处的范围,根据第二自适应化阈值二值化后的第二二值化图像的标定区域中获取最长线段作为修正图像边界,提高了图像边界定位的准确性。
实施例二
图4是本发明实施例二提供的一种医学图像边界检测的方法的流程图。本发明实施例在上述实施例的基础上,增加了在所述采用第一自适应化阈值和第二自适应化阈值分别对预设区域进行二值化之前的操作。
相应的,本实施例的方法包括:
S210、计算预设区域的梯度,得到梯度图像。
利用梯度算子计算预设区域的梯度图像。梯度算子例如可以是Roberts、Prewitt或Sobel算子。根据梯度图像,可以反映图像的灰度变化情况。某像素点的梯度计算方式例如可以是:计算该像素点与其周围八邻域的差值之和SUM,并找到八邻域内的最大值MAX,该像素点的梯度值为:
S220、根据所述梯度图像生成第一自适应化阈值和第二自适应化阈值。
根据梯度图像中的每个像素点及其周围的像素点计算每个像素点的自适应二值化阈值。
优选的,所述第一自适应化阈值为每个像素点的周围像素点的像素平均灰度值与第一自适应化参数的乘积,所述第一自适应化参数大小范围为:[0.7,0.8],优选为0.75;所述第二自适应化阈值为每个像素点的周围像素点的像素平均灰度值与第二自适应化参数的乘积,所述第二自适应化参数大小范围为:[1.1,1.2],优选为1.15。因为,第一自适应二值化阈值小于第二自适应二值化阈值,因而采用第一自适应化阈值二值化得到的第一二值化图像的特征比采用第二自适应化阈值二值化得到的第二二值化图像的特征多,对于难以提取特征的图像,也能够很好的检测出符合阈值要求的直线。但是检测出的最长线,往往定位的是灰度过渡带中高灰度的位置。
S230、采用第一自适应化阈值和第二自适应化阈值分别对预设区域进行二值化,生成第一二值化图像和第二二值化图像。
S240、获取第一二值化图像中的最长线段,将所述最长线段作为第一线段,判断所述第一线段的长度是否大于长度阈值。
S250、若第一线段的长度大于长度阈值,则获取第二二值化图像的标定区域中的最长线段为第二线段,将所述第二线段定位为修正图像边界,所述标定区域由原始图像边界和所述第一线段构成,其中所述第一自适应化阈值小于第二自适应化阈值。
本实施例通过计算预设区域的梯度图像,根据梯度图像计算第一自适应二值化阈值和第二自适应二值化阈值,且第一自适应二值化阈值大于第二自适应二值化阈值,保证了由第一二值化阈值得到的第一二值化图像具有丰富的特征,提高了第一二值化图像中的线段的检测率,保证了最长线段的准确性。
实施例三
图5是本发明实施例三提供的一种医学图像边界检测的方法的流程图。本发明实施例在上述实施例的基础上,增加了在获取第一二值化图像中的最长线段之前的操作。
相应的,本实施例的方法包括:
S310、采用第一自适应化阈值和第二自适应化阈值分别对预设区域进行二值化,生成第一二值化图像和第二二值化图像,所述预设区域包括:所述第一区域或所述第二区域。
S320、将所述第一二值化图像中的小于预设灰度阈值的像素点进行保留。
由于拼接图像存在限束器压到人体高衰减部位的情况,例如头部,此时图像中该部分的衰减很大,灰度很低,不便于检测限束器边界,因此需要将低灰度部分的特征进行保留,可以采用提取低灰度模板的方式。即将小于预设的灰度阈值的像素点进行保留,灰度低于预设的灰度阈值的像素点的灰度设为1,灰度高于预设的灰度阈值的像素点的灰度设为0。预设的灰度阈值根据不同的平板设置不同的数值,优选的,选择灰度较低的值,例如可以是50。
S330、剔除所述长度小于长度阈值的线段。
将长度小于长度阈值的线段进行剔除。剔除杂线的方式例如可以是:在水平方向上,剔除长度小于设定阈值的不连续的线段,只保留长度大于设定阈值的线段,以此去除杂线的干扰,保证限束器边界检测的准确度。
S340、将保留的像素点复合到剔除杂线后的图像中,得到霍夫变换特征图。
将灰度值小于预设阈值的像素点复合到剔除杂线后的图像中,形成霍夫变换的特征图。
S350、获取第一二值化图像的霍夫变换特征图中的最长线段,将所述最长线段为第一线段,判断所述第一线段的长度是否大于长度阈值。
S360、若第一线段的长度大于长度阈值,则获取第二二值化图像的标定区域中的最长线段为第二线段,将所述第二线段定位为修正图像边界,所述标定区域由原始图像边界和所述第一线段构成,其中所述第一自适应化阈值小于第二自适应化阈值。
本实施例通过将灰度值小于预设的灰度阈值的像素点与剔除灰度值大于预设的灰度阈值的杂线,保证了限束器边界检测的准确度。
实施例四
图6是本发明实施例四提供的一种设备的结构框图。该装置用于执行上述任意实施例所提供的一种医学图像边界检测的方法。如图6所示,该设备包括处理器40、存储器41、输入装置42和输出装置43;设备中处理器40的数量可以是一个或多个,图6中以一个处理器40为例;设备中的处理器40、存储器41、输入装置42和输出装置43可以通过总线或其他方式连接,图6中以通过总线连接为例。
存储器41作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的医学图像边界检测的方法对应的程序指令/模块。处理器40通过运行存储在存储器41中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述医学图像边界检测的方法。
存储器41可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器41可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器41可进一步包括相对于处理器20远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置42可用于接收输入的数字或字符信息,以及产生与设备/终端/服务器的用户设置以及功能控制有关的键信号输入。输出装置43可包括显示屏等显示设备。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种医学图像边界检测的方法,该方法包括:
采用第一自适应化阈值和第二自适应化阈值分别对预设区域进行二值化,生成第一二值化图像和第二二值化图像;
获取第一二值化图像中的最长线段为第一线段,将所述最长线段作为第一线段,判断所述第一线段的长度是否大于长度阈值;
若第一线段的长度大于长度阈值,则获取第二二值化图像的标定区域中的最长线段为第二线段,将所述第二线段定位为修正图像边界,所述标定区域由原始图像边界和所述第一线段构成,其中所述第一自适应化阈值小于第二自适应化阈值。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的医学图像边界检测的方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是,上述权限操作的执行装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (9)
1.一种医学图像的边界检测的方法,其特征在于,包括:
获取图像中的直接曝光区域的上边界和下边界,图像的原始上边界与直接曝光区域的上边界构成第一区域,图像的原始下边界与直接曝光区域的下边界构成第二区域;
将所述第一区域和所述第二区域作为预设区域;
采用第一自适应化阈值和第二自适应化阈值分别对预设区域进行二值化,生成第一二值化图像和第二二值化图像;
获取第一二值化图像中的最长线段,将所述最长线段作为第一线段,判断所述第一线段的长度是否大于长度阈值;
若第一线段的长度大于长度阈值,则获取第二二值化图像的标定区域中的最长线段为第二线段,将所述第二线段定位为修正图像边界,所述标定区域由原始图像边界和所述第一线段构成,其中所述第一自适应化阈值小于第二自适应化阈值。
2.根据权利要求1所述的方法,其特征在于,所述修正图像边界为限束器边界。
3.根据权利要求1所述的方法,其特征在于,在所述采用第一自适应化阈值和第二自适应化阈值分别对预设区域进行二值化之前,还包括:
计算预设区域的梯度,得到梯度图像;
根据所述梯度图像生成第一自适应化阈值和第二自适应化阈值。
4.根据权利要求1所述的方法,其特征在于,所述获取第一二值化图像中的最长线段,将所述最长线段作为第一线段包括:
对所述第一二值化图像进行霍夫变换,得到最长线段为第一线段;
所述获取第二二值化图像的标定区域中的最长线段为第二线段包括:
对所述第二二值化图像的标定区域进行霍夫变换,得到最长线段为第二线段。
5.根据权利要求1所述的方法,其特征在于,在判断所述第一线段的长度是否大于长度阈值之后,所述方法还包括:
若第一线段的长度小于或等于长度阈值,则将所述第一线段所在区域的原始图像边界定位为修正图像边界。
6.根据权利要求3所述的方法,其特征在于,所述第一自适应化阈值为每个像素点的周围像素点的像素平均灰度值与第一自适应化参数的乘积,所述第一自适应化参数大小范围为:[0.7,0.8];
所述第二自适应化阈值为每个像素点的周围像素点的像素平均灰度值与第二自适应化参数的乘积,所述第二自适应化参数大小范围为:[1.1,1.2]。
7.根据权利要求1所述的方法,其特征在于,在获取图像中的直接曝光区域的上边界和下边界之前,还包括:
根据线性插值法,将图像按预设比例进行缩小;
相应的,在将第二线段定位为修正图像边界之后,还包括:
将所述修正图像边界根据所述预设比例进行转换。
8.根据权利要求1所述的方法,其特征在于,当所述第一线段的长度大于长度阈值时还包括:
剔除第一二值化图像中长度小于长度阈值的线段。
9.根据权利要求8所述的方法,其特征在于,在所述剔除所述长度小于长度阈值的线段之前,还包括:
将所述第一二值化图像中的小于预设灰度阈值的像素点进行保留;
相应的,在所述剔除所述第一二值化图像中的长度小于长度阈值的线段之后,获取第一二值化图像中的最长线段之前,还包括:
将保留的像素点复合到剔除杂线后的第一二值化图像中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710934912.XA CN107622501B (zh) | 2017-10-10 | 2017-10-10 | 一种医学图像的边界检测的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710934912.XA CN107622501B (zh) | 2017-10-10 | 2017-10-10 | 一种医学图像的边界检测的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107622501A CN107622501A (zh) | 2018-01-23 |
CN107622501B true CN107622501B (zh) | 2021-01-01 |
Family
ID=61091642
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710934912.XA Active CN107622501B (zh) | 2017-10-10 | 2017-10-10 | 一种医学图像的边界检测的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107622501B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3785222B1 (en) | 2018-05-30 | 2024-04-17 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for image processing |
CN109242840B (zh) * | 2018-08-29 | 2021-01-12 | 上海联影医疗科技股份有限公司 | 检测乳房图像中限束器区域的方法、在乳房图像中确定边界的方法和医疗设备 |
CN108924251A (zh) * | 2018-07-31 | 2018-11-30 | 长沙龙生光启新材料科技有限公司 | 一种辅助检测的数据传输方法及系统 |
CN109741355A (zh) * | 2019-01-08 | 2019-05-10 | 珠海市颖影科技有限公司 | 处理数字x线图像的方法、装置、设备及存储介质 |
CN109875589B (zh) * | 2019-01-29 | 2023-05-16 | 东软医疗系统股份有限公司 | 一种血管机系统的对中误差的测量方法和装置 |
CN116485724A (zh) * | 2020-02-04 | 2023-07-25 | 深圳市瑞沃德生命科技有限公司 | 一种管径测量方法及其装置 |
CN114241536B (zh) * | 2021-12-01 | 2022-07-29 | 佛山市红狐物联网科技有限公司 | 一种掌脉图像识别方法及系统 |
CN117297633B (zh) * | 2023-11-29 | 2024-02-27 | 有方(合肥)医疗科技有限公司 | 成像视野调节方法、装置、成像系统及可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5901240A (en) * | 1996-12-12 | 1999-05-04 | Eastman Kodak Company | Method for detecting the collimation field in a digital radiography |
US7801344B2 (en) * | 2006-12-01 | 2010-09-21 | Carestream Health, Inc. | Edge boundary definition for radiographic detector |
US8660349B2 (en) * | 2010-05-07 | 2014-02-25 | Ricoh Company, Ltd. | Screen area detection method and screen area detection system |
CN104161531A (zh) * | 2014-05-04 | 2014-11-26 | 上海联影医疗科技有限公司 | 限束器边缘的获取方法及装置、x射线摄影设备 |
CN104680503A (zh) * | 2013-11-26 | 2015-06-03 | 上海西门子医疗器械有限公司 | 医学图像处理方法、医学图像处理装置及医学x线影像设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101885774B1 (ko) * | 2011-12-27 | 2018-09-11 | 삼성전자주식회사 | 방사선 영상 처리 방법 및 그에 따른 방사선 영상 처리 장치 |
-
2017
- 2017-10-10 CN CN201710934912.XA patent/CN107622501B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5901240A (en) * | 1996-12-12 | 1999-05-04 | Eastman Kodak Company | Method for detecting the collimation field in a digital radiography |
US7801344B2 (en) * | 2006-12-01 | 2010-09-21 | Carestream Health, Inc. | Edge boundary definition for radiographic detector |
US8660349B2 (en) * | 2010-05-07 | 2014-02-25 | Ricoh Company, Ltd. | Screen area detection method and screen area detection system |
CN104680503A (zh) * | 2013-11-26 | 2015-06-03 | 上海西门子医疗器械有限公司 | 医学图像处理方法、医学图像处理装置及医学x线影像设备 |
CN104161531A (zh) * | 2014-05-04 | 2014-11-26 | 上海联影医疗科技有限公司 | 限束器边缘的获取方法及装置、x射线摄影设备 |
Also Published As
Publication number | Publication date |
---|---|
CN107622501A (zh) | 2018-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107622501B (zh) | 一种医学图像的边界检测的方法 | |
CN110298802B (zh) | 路面裂缝检测方法及装置 | |
CN110705583B (zh) | 细胞检测模型训练方法、装置、计算机设备及存储介质 | |
CN108108739B (zh) | 图像目标区域的检测方法、装置、x射线系统及存储介质 | |
EP2485041B1 (en) | Method for processing body inspection image and body inspection device | |
CN110176010B (zh) | 一种图像检测方法、装置、设备及存储介质 | |
US20150090791A1 (en) | Method and system for binarization of two dimensional code image | |
US9058650B2 (en) | Methods, apparatuses, and computer program products for identifying a region of interest within a mammogram image | |
CN107871319B (zh) | 限束器区域的检测方法、装置、x射线系统和存储介质 | |
CN109214334B (zh) | 车道线处理方法和装置 | |
CN110163857B (zh) | 图像背景区域的检测方法、装置、存储介质及x射线系统 | |
CN110969046B (zh) | 人脸识别方法、设备及计算机可读存储介质 | |
CN112396050B (zh) | 图像的处理方法、设备以及存储介质 | |
CN110443254B (zh) | 图像中金属区域的检测方法、装置、设备和存储介质 | |
CN107146231B (zh) | 视网膜图像出血区域分割方法、装置和计算设备 | |
CN111882565B (zh) | 一种图像二值化方法、装置、设备及存储介质 | |
US20210183116A1 (en) | Map building method, computer-readable storage medium and robot | |
CN111898610B (zh) | 卡片缺角检测方法、装置、计算机设备及存储介质 | |
CN111539238A (zh) | 二维码图像修复方法、装置、计算机设备和存储介质 | |
CN112801031A (zh) | 静脉图像识别方法、装置、电子设备及可读存储介质 | |
CN111951215A (zh) | 一种图像检测方法、装置及计算机可读存储介质 | |
CN111209908B (zh) | 更新标注框的方法、装置、存储介质和计算机设备 | |
CN114638294A (zh) | 一种数据增强方法、装置、终端设备及存储介质 | |
CN110415237B (zh) | 皮肤瑕疵检测方法、检测装置、终端设备及可读存储介质 | |
CN113487473B (zh) | 一种添加图像水印的方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant after: Shanghai Lianying Medical Technology Co., Ltd Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |